2026AI助推金融服务业焕新升级-

AI助推金融服务业焕新升级中国内地和香港地区金融服务业研究报告前言近期发布的全球研究报告

Value

in

Motion1

(《循变演进，价值新生》)

指出，企业领导者愈发需要展现如何运用AI重构其商业模式。尽管具体采用哪些技术或建立何种合作伙伴

关系或许不能马上确定下来，但他们深知必须行动起来，否则将面临被竞争对手抛在后面的风险。本研究聚焦中国内地与香港特别行政区的金融服务行业，旨在探讨AI驱动的变革如何重塑商业模式，并实现成本优化与收益增长。在中国的“十五五”规划（2026-2030年）中，人工智能已被提升至国家战略层面。金融服务行业正处于这场变革的最前沿。我们的研究揭示了内地与香港金融机构如何借助政策势能推进实质性变革——将AI从提升成本效率的工具逐步发展成为带动创收与创新的引擎。本调研于2025年10月至2026年1月展开。我们从中国内地和香

港银行、保险及资管行业的金融机构收集了201份有效调研反

馈，同时进行了20次深度访谈。我们发现AI已经从实验试点走

向规模化应用，开始帮助各机构革新升级核心流程和开创新业

务。然而，各机构仍面临数据质量和治理、人才短缺和文化变革的各种挑战。我们认为未来的赢家必须做好以下三方面工作：010203积极构建“AI优先”文完善数据治理体系，确构建既能控制风险又能化，一把手要有意志与保数据安全与隐私及数促进创新的敏捷化AI治决心，挖掘培养既懂业

务又懂算法的复合型人

才据质量，并将数据转化

为战略资产理体系AI助推中国内地和香港金融服务业焕新升级

11“通过跨学科协作与国际对话，我们必须制定既灵活又具

有约束力的人工智

能治理标准

，确保创新成果造福

社会。我们最新的全球CEO调研显示

，金融服务领域53%的CEO担忧企业转型速度不能跟上科技/AI发展步伐。金融机构需应对组织僵化，并借鉴金融科技企业的经验，将敏捷性融入思维模式与业务流程。我们虽处于AI时代的早期阶段，但与企业的合作实践已证明：孤立的、短期的战术性AI项目往往难以产生可衡量的价值。真正的回报来自于企业级规模的部署，而这又需要以坚实的AI基础设施作为支撑。AI助推中国内地和香港金融服务业焕新升级

2“““““目录前言101人工智能已从实验试点走向规模化应用

402战略目标的实现必须有与之匹配的资源投入

803通过聚焦核心应用场景来实现企业级规模化AI部署

1304AI规模化部署开始产生投资回报

1805组织架构僵化和人才短缺是AI部署的首要瓶颈

2306数据质量和治理方面的不足是限制AI推广成功的主要因素

2807负责任AI推动更广泛的AI应用

3208从风险控制到个性化服务

3909

总结和启示

41AI助推中国内地和香港金融服务业焕新升级

301人工智能已从实验试点走向规模化应用•战略目标与资源投入之间的落差主要由三大因素导致：

“数据

可用性差”（30%）

、“监管压力”（20%）及“维护核心系

统优先”（14%）。•专注于可实现规模化以及基于人机协同的应用场景。协作模式

是本调研五大核心应用场景的关键：AI部署的目的是增强员工的能效而非取代员工。57%的金融机构计划通过AI提升员工现有职

能及新职能。•战略需求与资源匹配。在未来的3-5年内，超75%的受访机构计

划将AI

定位为：革新并扩展现有服务

的

“

战

略转型引擎

”（41%

）或通过创新服务开辟收入来源的

“

新营收基石

”

（35%）。然而，61%的机构的AI投入不到其科技预算的10%。起步晚的机构现在发现追赶的成本与难度正在急剧上升。研究表明，企业高管对AI的认知已从“是否实施”转向“如何有效实施并获取价值”。AI推广实施的主要障碍包括数据质量与治理、人才短缺以及文化阻力。我们围绕以下六大主题对研究发现展开阐述：AI助推中国内地和香港金融服务业焕新升级

5•规模化应用开始带来投资回报。金融服务业已跨越实验阶段，进入规模化部署阶段，并获得了一定的回报。56%的金融机构

的核心AI应用的投资回报率达11%至25%。AI目前的主要贡献是

减少与风险相关的损失（30%）。值得注意的是，76%的机构表示愿接受较低甚至零回报率以推进AI应用、布局未来。这表明，财务回报并非现阶段AI投资的首要考量事项,

很多受访者认为财

务回报将会水到渠成

。•负责任AI推动更广泛的应用部署。AI自开发初始就应嵌入伦理原

则与监管合规要求，不能事后补救。合规工作仍严重依赖传统

人工审核模式（64%），且针对AI偏见、可解释性及幻觉的审查

仍严重不足。与尤其是数据相关的监管压力正推动治理模式向

集中化方向发展。•数据质量与治理差距形成进一步制约。打破数据孤岛、建立高

质量数据治理是成功关键因素。近90%的机构依赖内部数据，

但治理受

困于

“

权责

分散

”

与

“

安全及质量

”

问题（合计

87%）。混合治理模式（核心数据集中管理/非核心数据分散管

理）最受青睐（50%）。•组织与人才是主要瓶颈。人才短缺和组织僵化构成AI规模化部署

的主要障碍（46%）。虽有29%的金融机构已经建立“AI优先”的文化，但成熟度存在显著差异。AI助推中国内地和香港金融服务业焕新升级

6“

人工智能已不再是‘锦上添花

’的选择，现已成为所有行业的机构‘赖以生存发展’的基础。一家大型集团企业的科技子公司

“03构建既能控制风险又能促进创新的敏捷化AI治

理体系01积极构建“AI优先”文

化，一把手要有意志与

决心，挖掘培养既懂业

务又懂算法的复合型人

才02完善数据治理体系，确保数据安全与隐私及数

据质量，并将数据转化

为战略资产人才短缺和组织数据可用性合规风险技术路径预算困境道德/声誉风险业务回报图表1-1：人才短缺是各机构面临的首要挑战贵机构在AI规划和建设过程中所面临的最大两项挑战是什么？46%41%30%26%AI助推中国内地和香港金融服务业焕新升级

720%18%16%未来的赢家须做好三大领域的工作：02战略目标的实现必须有与之匹配的资源投入金融服务行业对人工智能抱有高度期待，但大多数金融机构却陷入资源分配不足的困境。在未来的3-5年内，超75%的受访机构计划将AI定位为：革新并扩展现有服务的“战略转型引擎”（41%）或通过创新服务开辟收入来源的“新营收基石”（35%）。然而，61%的机构的AI投入不到其科技预算的10%。我们2025年9月发布的

“Whatwill

be

leftoffinancialservicestomorrow?”2（《明日的金融服务还会剩下什么？》）报告建议金融机构将其50%的科技预算投入AI建设。以此为标准，本次调研显示各机构的科技支出在AI投入方面存在30%至40%的缺口。金融机构需要弥补这个差距，否则会面临被在此阶段大力投入资源的机构抛在身后的风险。图表2-1：战略转型的驱动引擎您认为AI未来三至五年内在贵机构的角色定位是什么？全新价值创造体系的基石

35%AI助推中国内地和香港金融服务业焕新升级

92

https://www.

.com/us/en/industries/financial-services/library/financial-services-tomorrow.html合规或成本项目

8%降本增效工具

15%战略转型引擎

41%仍在探索阶段

1%尽管AI的战略重要性毋庸置疑，但各机构的AI投入占其科技支出的比例仍十分有限：61%的机构将AI预算控制在其科技支出的10%以内，另有37%机构的AI预算分配比例为11%至25%

。这些金融机构虽已看到AI能带来的实质回报，但仍未将AI作为其科技投资的核心。仅有2%机构的AI投入超过其总预算对

25%

，且没有任何机构的AI支出超过50%。图表2-2：AI的战略重要性没有与之相匹配的资金投入贵机构与AI相关的预算占总科技预算比例是多少？AI相关预算在科技总预算的占比图表2-3：影响AI预算分配的因素哪个单一因素对AI预算分配的影响最大？数据可用性差导致难以为AI项目加大预算监管压力影响预算分配优先考虑核心系统的稳定性董事会确定AI为重中之重的发展目标锁定AI人才和供应商的投入推高了AI建设成本无法确认AI回报率从而导致预算投入受限其他61%37%2%0%0%0%受访者占比

(%)“数据可用性差”（30%）被视为AI投资的首要制约因素，这表明薄弱的数据基础严重抑制了各机构对AI建设加大资源投入的意愿。“维护核心系统优先

”（14%）的现状与客户访谈的发现一致：多数金融机构认为传统商业模式难以承受技术颠覆冲击。有鉴于此，在“确保业务正常运转”的基础上进行资源分配仍是当前主流。30%20%14%13%12%11%0%<=10%11%-25%26%-50%51%-75%>=76%无固定比例AI助推中国内地和香港金融服务业焕新升级

100%

10%20%

30%40%

50%

60%

70%0%10%

20%

30%40%“

我们的AI战略已于去年正式启动。我们的目标是在未来五年内将我们的业务全面转型为人机协同模式。届时，我们的组织与能力架构以及各工作流程都将实现全面飞跃。一家中国内地保险机构高管从地域来看，香港金融机构最倚重AI作为杠杆来推动其现代化升级和传统服务转型；内地机构专注于利用AI进行开源创收；

而跨国机构则在战略层面最具雄心（有42%将AI视为“新价值源泉的基石”），但他们同时也面临复杂的跨境数据问题。图表2-4：不同地域机构的AI战略定位您如何对AI未来三至五年内在贵机构的角色进行定位？内地

香港

内地+香港

跨国机构战略转型引擎36%50%58%42%新价值源泉的基石38%20%26%42%降本增效工具17%17%11%16%合规/成本项目9%13%5%0%AI助推中国内地和香港金融服务业焕新升级

11“从行业来看：•保险业在三大行业中最为雄心远大：47%的受访者将AI视为“新价值源泉的基石”

，远超行业平均水平。•银行业：42%认为AI是“战略转型引擎”，68%将AI支出控制在科技预算的10%以内，在AI建设方面是最为谨慎的行业。•资管业：42%将AI视为“战略转型引擎”，占比居三大行业之首，其中技术驱动的精品投行和综合平台通过AI重新整合咨询、分销渠道及提升阿尔法收益。图表2-5：不同行业机构的AI战略定位您如何对AI未来三至五年内在贵机构的角色进行定位？

行业总体定位

保险业

银行业资管业•大型金融机构：82%进行AI投资的目的是“构建竞争优势”。大型金融机构的预算约束最小（仅不到6%认为不确定的投资回报是其加大资金投入的一大限制），其真正的难题是人才与数据方面的瓶颈。•中型金融机构：是务实的快速追随者，投资均衡，目前在加大AI投入。•小型金融机构：预算限制最大，在确保实现短期投资回报目标之前不愿加大资金投入。47%42%42%40%35%35%32%32%50%45%40%35%30%25%20%15%10%5%0%16%16%13%8%合规/成本项目

降本增效工具战略转型引擎新价值源泉的基石不确定/仍在探索阶段AI助推中国内地和香港金融服务业焕新升级

1210%

8%0%0%17%5%1%1%03通过聚焦核心应用场景来实现企业级规模化AI部署聚焦核心应用场景是实现企业级规模化AI部署和人机协同的关键。人工智能已深度嵌入核心业务流程，近80%的应用实现了“部分”或“大部分”

自动化。在金融机构中，57%表示计划通过AI提升员工现有职能（42%）及新职能（15%）。AI的五大应用场景：基于调研样本，五大应用场景正在带来可量化的投资回报，并在企业级AI应用中快速成为重点开发领域。图表3-1：金融机构当前最重要的AI应用场景请描述贵机构目前最重要的AI应用场景智能客服投资与资产管理欺诈检测预测分析与建模后台流程自动化01智能客服03预测分析与建模05投资与资产管理02后台流程自动化04欺诈检测AI助推中国内地和香港金融服务业焕新升级

14010

20

30242340283119不同行业的AI应用场景：•银行业：反洗钱、欺诈检测、授信及贷款审批、后台自动化及合规监控。•保险业：60%的应用集中于三大职能：客户服务、预测建模与欺诈检测。•资管业：投资与组合管理；数据与市场分析；合规监控。不同规模机构的AI应用场景：•大型金融机构：虽制定有宏大战略、拥有强大资金实力及建有最先进的混合技术栈体系与治理框架，却面临

最严重的业务线阻力（59%）

和最严峻的数据处理

能力挑战（53%）。•中型金融机构：其核心AI应用的投资回报率相对较高（11%至50%），在实现高度自动化的同时未遭遇大型机构所面临的变革阻力，现已成为行业内AI规模化价值创造的推动引擎。•小型金融机构：高度依赖SaaS/API解决方案（42%）与云服务，对预算约束（33%）与合规压力感知最为敏锐，AI部署主要关注能带来即时风控或效率提升的场景。“我们不只是追求通过AI提升效率，更希望AI帮我们开创市场尚未出现的新价值主张与商业模式。一家香港本地银行高管

“AI助推中国内地和香港金融服务业焕新升级

1541%10%10%

1%

0%图表3-2：在贵机构描述的应用场景中，整个业务流程目前已实现或计划将实现自动化的比重是多少？就贵机构而言，业务流程在多大程度上已实现或将实现自动化？图表3-3：五大应用场景的自动化程度整个业务流程目前已实现或计划将实现自动化的比重是多少？56%50%45%40%35%30%25%20%15%10%5%0%70%60%50%40%30%20%10%0%AI助推中国内地和香港金融服务业焕新升级

16欺诈检测

预测分析与建模骤实现自动化）现自动化）

现自动化）现自动化）仍由人工操作主导（不超过10%的步部分实现自动化（10-

49%的步骤实大部分实现自动化（50-

89%的步骤实全流程实现自动化（90%以上的步骤实客户服务/聊天机器人部署后台流程自动化投资与资产管理未实现自动化未予计量66%34%38%54%“

我们主要采用自研AI工具，因为自研工具能确保更有效地匹配自身需求和更有效的应用控制。虽然在性能

上达到领先外部解决方案的水平存在相当挑战，但我

们仍首选内部开发方案，因为内部开发方案具有更大

灵活性、提供更高治理可靠性以及能更高程度地与内

部标准相契合。一家香港本地银行高管人机协同是目前的AI应用的主流趋势。在金融机构中，57%表示将通过AI提升员工的现有职能（42%）和新职能（15%）。AI的应用更倾向于补强人类能力而非取代员工。图表3-4：人机协同指标贵机构的主要人机协同策略是什么？AI助推中国内地和香港金融服务业焕新升级

17增效+能力提升

18%提升现有职能42%提升新职能

15%“仍在开发增效10%15%04

AI规模化部署开始产生投资回报贵机构能接受的最低投资回报率，

76%ROI：

11%–25%,56%

对于劳动密集型的业务活动，我们可以通过“投入人员数量

×

减少的工作量

”来计算已实现的成本节约。但对于知识密集型的业务活动，投资回报率短期内比较难直接用财务回报衡量，更多考虑能级提升的价值。一家中国内地银行高管“

我们愿意在无需首先关注投资回报率的基础上对拓展AI

能力加大投资。这些能力将帮助我们保持运营独立性，降低对外部供应商的依赖，并完全掌控战略方向。一家香港本地银行高管“金融服务行业的AI应用已超越实验阶段，已进入能产生与预期相当的投资回报的规模化部署时期。对于56%的金融机构而言，“最重要单个AI应用场景”的投资回报率处于11%至

25%区间。传统金融科技投资的平均回报率为8%至12%

，相比之下AI投资的回报已很可观，而且随着金融机构将AI用于更加复杂和高价值的应用场景，AI的投资回报率还将进一步提高。然而，76%的受访者表示可接受低于10%的回报率，或甚至零回报率，这反映出他们对AI建设项目战略重要性的认可以及对财务以外回报价值的重视。≤0%

1–10%

11–25%26–50%

>50%

最重要AI应用场景的投资回报率

所有AI应用场景的平均投资回报率

贵机构能接受的最低投资回报率

所有AI应用场景的最高投资回报率图表4-1：金融机构已实现的投资回报率（ROI）对于您在第一个问题中提到的AI应用场景，已实现投资回报率是多少？80%70%60%50%40%30%20%10%0%AI助推中国内地和香港金融服务业焕新升级

19““30%23%22%19%5%1%AI最显著的贡献体现为“降低风险损失”（30%），其次为“提升合规效能”（23%）、

“增收”（22%）和“降本”（19%）。图表4-2：在过去的12个月内AI为贵机构做出最大贡献的领域在过去的12个月内AI在哪个领域为贵机构做出的贡献最大？非财务回报是投资回报评估的关键组成部分。47%的受访者将更优的市场定位与更广阔的战略选择作为评估AI投资成效的主要依据。图表4-3：金融机构如何计量AI投资回报贵机构如何对自身AI投资的回报率进行计量？47%28%15%10%从市场定位和战略选择维度计量投资回报遵行传统投资回报计量标准较低或者难以量化的短期投资回报仍在研发降低风险损失提升合规效能增收降本未做出可量化的贡献不清楚AI助推中国内地和香港金融服务业焕新升级

200%5%10%

15%20%25%30%35%0%

5%10%

15%

20%

25%

30%

35%

40%

45%

50%欺诈检测

反洗钱风险管理

客户服务/聊预测天机器人分析和建模后台流程自动化IT和基础设施

合规监控信贷和核发投资和资产管理

信息透明度提升

战略决策支持受访者提供的核心应用场景数据显示，AI驱动的自动化与投资回报率呈现正相关关系。AI投资成效最好的应用场景是“欺诈检测”与“反洗钱”，其后是“后台流程自动化”

、

“预测分析”及“客户服务”。图表4-4：流程自动化程度和投资回报率整个流程目前已实现或计划将实现自动化的比重是多少？贵机构已实现投资回报率是多少？11%

13%

15%

17%

19%21%23%25%投资回报率（ROI）75%65%55%45%35%25%AI助推中国内地和香港金融服务业焕新升级

21全

流

程

自

动

化——

数据和市场分析对于像我们这样的机构而言，AI的核心战略意义在哪

里？在于其帮助员工更高效地积累、提炼知识和拓展

认知的能力。这比一个亮眼的财务回报率数字或单纯

的效率提升更为重要。一家大型私募基金管理人““

金融行业内部在诸如不良贷款率等方面设有严格管理要求，这意味着短期内大规模取代人工流程具有巨大

的挑战性。一家大型集团企业的科技子公司高管AI助推中国内地和香港金融服务业焕新升级

22““05组织架构僵化和人才短缺是AI部署的首要瓶颈

我们的目标是在2026年前实现AI专业人才占比达到15%，其中约三分之二的新聘员工将通过校园招聘引进。一家大型证券公司高管

文化—不是技术—才是AI推广的主要障碍。我们必须强化

我们勇于实践新鲜事物的企业文化，因为AI的规模化推广

需要这种积极的思维模式。一家香港本地银行高管

人工智能可以帮我们增益己所不能并成为我们工作生活的

好帮手，但它不是我们的替代者。人工智能可以让审批流

程、风险控制、市场营销等业务活动变得更加高效，但前提是整个决策环节要由人类主导。一家中国内地银行高管

““““““正在建立63%已建立29%仍未开始8%人才短缺与僵化组织结构是在企业范围内规模化实施AI部署的主要障碍，其影响远超预算或技术问题。核心痛点在于“既懂业务又懂算法”的专业人才稀缺，技术团队与业务团队之间的人才转化潜力依然有限，需要对现有员工进行技能提升培训或者招聘新人才。29%的金融机构已建立“AI优先”文化，主要方式是依靠培训和高管的带头作用。然而旧有的决策流程依然顽固存在，职能孤岛限制了AI发挥其优势所必须的跨部门协作。若不能实现文化转型，单纯的技术能力提升无法推动应用落地。图表5-1：金融机构的“AI优先”文化贵机构是否已建立了AI优先文化？AI助推中国内地和香港金融服务业焕新升级

24Re助img中in国in

inn香c港ial金融服务业焕新升级Chinese为构建推广“AI优先”文化，金融机构需落实三大关键举措：•开展AI培训与技能提升计划，增强员工AI素养；•建立激励机制，鼓励员工在工作中应用AI技术；•领导层发挥带头作用，积极推动AI应用落地。图表5-2：贵机构如何在整个机构范围内推进“AI优先”文化的建设贵机构如何推进AI优先文化建设？开展AI培训与技能提升计划，

增强员工AI素养建立激励机制，

鼓励员工在工作中应用AI技术领导层发挥带头作用，

积极推动AI应用落地55%24%21%0%20%40%60%25AI的推广对各机构实现人机协同的方式具有实质性的影响。一般而言，金融机构通过“优化效率与提升能力”、“精简人员结构”、“员工赋能”以及“创设AI岗位”这四种策略来实现人机协同。图表5-3：实现人机协同的主要策略贵机构实现人机协同的主要策略是什么？37%

43%38%38%23%

17%35%42%43%26%19%100%90%80%70%60%50%40%30%20%10%0%创设AI岗位

仍在规划中

后台精简人员结构

员工赋能

前台AI助推中国内地和香港金融服务业焕新升级

2610%12%30%优化效率与提升能力

中台32%不同行业面临的痛点：•银行业：“人才短缺与组织架构”是主要障碍（48%），部门孤岛拖累进展，文化构建落后于同业水平。•保险业：文化构建最为活跃，但数据瓶颈较其他行业更为突出。•资管业：同时面临人才短缺与数据缺口双重压力，但展现出最强的文化变革动力。规模化和组织架构转型战略：•大型金融机构：已形成AI文化的比例最高，并正通过有序工作在中后台职能中推进“创设AI新岗位”。•中型金融机构：积极尝试最广泛的策略方案，目前仍在探索。•小型金融机构：

最多比例的职能部门“仍在制定战略

”

，组织结构转型路线图最不明朗。人机协同对不同的职能部门有不同的影响：后台职能侧重“自动化驱动效率”（43%），而前台职能则专注于“创设新岗位”（19%）或“平衡效率与赋能”（26%）。图表5-4：AI推广的主要策略贵机构实现人机协同的主要策略是什么？中台后台前台不适用AI助推中国内地和香港金融服务业焕新升级

27100%

优化效率与提升能力38%150%

创设AI岗位

37%0%

精简人员结构200%仍在规划中19%43%43%42%32%50%

员工赋能17%23%38%3%48%35%2%

0%30%12%26%10%2%06数据质量和治理方面的不足是限制AI推广成功的主要因素数据是AI的燃料，所以如果不能建立完善的数据基础设施，AI的部署将举步维艰。数据质量与治理方面的不足还会限制AI释放全部其潜在价值。90%的金融机构主要依赖内部自有数据支撑其旗舰AI应用，75%的金融机构计划在集团范围内分享数据，67%计划向客户提供数据。对于在确保合规的基础上实现跨机构数据共享的问题，部分受访者在调研中建议采取“合规沙盒+联邦学习”的解决方案。这种方案一方面通过沙盒机制确保数据分享不超越合规边界，另一方面借助联邦学习技术在无需数据集中采集的基础上实现各机构间的价值协作。图表6-1：金融机构AI应用场景的数据来源贵机构AI应用的主要数据来源是什么？

6%

3%

1%0%0%0%90%91%75%67%36%19%0%0%0%供内部使用集团范围内分享提供给客户使用提供给生态体系内的第三方使用提供给生态体系外的第三方使用没有再利用不清楚其他内部自有数据第三方供应商数据公开数据用户产生的数据合成数据客户数据其他AI助推中国内地和香港金融服务业焕新升级

290%

20%

40%

60%

80%100%0%10%20%30%40%50%60%

70%

80%

90%

100%图表6-2：贵机构如何对这些数据进行后续使用混合模型（核心敏感数据集中管理，非核心数据由各部门自主管理）50%集中管理（整个机构范围内

采用统一的数据管理模式）

35%分权自主管

理（各部门

自主管理，

按需提供）9%正在从分权模式向集中管理模式过渡6%48%38%32%25%21%20%19%18%在治理体系面临权责分散的挑战的同时，数据安全与隐私（48%）及数据质量（38%）仍是各机构的前两大痛点。图表6-4：金融机构面临的数据管理挑战贵金融机构面临的数据管理挑战为在有效控制与敏捷性之间取得合理平衡，“混合型数据治理”模式（核心数据集中管理，非核心数据采用联邦式管理模式）已成为主流的务实选择。图表6-3：金融机构采用的数据管理模型贵机构采用何种数据管理模型？数据安全和隐私保护风险数据质量和一致性问题高质量标注数据/训练数据短缺实时数据处理能力不足外部和第三方数据相关问题数据专业人才和专业知识短缺不同业务部门间的数据孤岛旧有系统整合障碍AI助推中国内地和香港金融服务业焕新升级

300%

10%20%

30%

40%

50%

60%区域性特征显著的治理模式：在行业层面，治理模式呈现分化态势•强监管行业（银行、养老基金）：倾向于采用集中化治理模式。•高敏捷性机构（对冲基金、私募股权）：倾向采用混合数据治理以保持反应速度。•保险行业：采用混合数据模式但面临最严峻的“数据可用性”挑战（48%）

。机构规模对治理与技术路径的影响•大型金融机构：88%采用“混合数据治理模式”

，并以混合技术栈与混合部署策略相匹配，追求最大限度的控制与韧性；其独特痛点是“数据处理能力不足”（53%）。•中型机构：对云服务依赖度最高（40%），同时面临数据质量与安全的双重挑战。•小型机构：最依赖基于软件即服务/应用程序界面（SaaS/API）模型（41%）及纯云部署，治理以集中化模式为主（40%），外部/第三方数据依赖程度最高，而对外部/第三方数据的依赖也是其主要风险所在。AI助推中国内地和香港金融服务业焕新升级

3107负责任AI推动更广泛的AI应用动态分享：为在行业范围内推广落实负责任AI原则，一家监管机构聘开展了一项全球监管基准研究，通过结构化趋势扫描与对比分析，对重点司法管辖区的AI监管发展动态进行比较。在此过程中，我们提炼了不同司法管辖区的监管要求，系统梳理了各司法管辖区应对特定AI风险的策略（包括：数据隐私、偏见与公平性、可解释性与透明度、模型稳健性与安全性、问责制与人工监督、第三方风险等），并在此基础上将这些洞察转化为可操作的设计原则和政策选项供客户参考。为促进AI的行业推广和推动行业范围内践行负责任AI原则的各方面准备工作，我们还支持监管机构组织了多次行业研讨会与工作坊，就负责任AI原则及监管预期交流意见，探索优先应用场景及其风险/影响特征，并为其匹配量身定制的解决方案。这些活动推动了行业各方推行负责任AI意识的提升。AI助推中国内地和香港金融服务业焕新升级

33金融服务行业明确认识到AI治理的重要性并已建立了初步框架，但在实践中AI治理仍依赖人工控制。关键观察发现：1.治理框架正趋于“集中化”与“分层化”模式，但其主要功能仍是帮助机构防范传统风险。主流治理模式为“企业风险/合规职能实施的集中监督”（64%）与“分层治理框架”

（60%）。这表明金融机构仍将AI视为一个新的风险来源，其核心诉求是满足现有金融监管与风控要求。治理方案偏向于“控制”而非“赋能”。对于“在未来五年将重塑金融业的基本AI规则与关键变革是什么”

的提问，最高频的回答是“升级合规体系，嵌入AI监控解决方案”

，这进一步印证了各机构合规优先的理念。图表7-1：金融机构如何能够通过AI治理实现隐私、安全性和创新的平衡金融机构如何能够通过AI治理实现隐私、安全性和创新的平衡？由企业风控/合规部门实施的集中监督形成等级体系化的治理模式多个小型创新团队竞争资源和测试不同新方案联邦式的治理（由各业务条线分别实施，标准由总部制定）过渡性/项目层面治理（企业未建立统一的标准）64%60%48%39%11%AI助推中国内地和香港金融服务业焕新升级

340%20%40%60%80%AI助推中国内地和香港金融服务业焕新升级缺乏明确权责分工来自业务部门的阻力或者业务程序复杂同时具有风控和AI专业知识技能的复合型人才短缺实施的技术难度大缺乏高层支持和必要资源数据孤岛妨碍形成一致的治理思路监管规则更迭快速，治理体系难以及时跟进2.

AI治理的主要障碍源于组织僵化与文化阻力，而非科技本身。前三大障碍依次为：组织僵化、文化阻力以及同时具备风控与AI专业知识技能的复合型人才短缺。图表7-2：各机构实施AI治理面临的最大障碍哪些因素在限制贵机构的AI治理？51%48%48%43%34%21%20%0%20%

40%

60%353.决策合规性目前仍主要依靠“人工干预”与“事后审查”来保障。当前确保AI决策合规的两种最常用方式是“建立AI决策审核机制并由专设委员会负责最终决策”（64%）和“通过技术设计确保AI决策的可追溯性”（62%）。而更深层的措施，诸如“设立专门审计团队对AI系统的偏见和歧视等问题进行检查”（51%）与“记录公平性的关键绩效指标”（41%），则明显滞后。金融机构更倾向于设置人工审批节点或确保结果可追溯。图表7-3：金融机构如何确保AI决策的透明度、公平性和合规性金融机构如何确保AI决策的透明度、公平性和合规性？64%62%51%41%1%建立AI决策审核机制并由专设委员会负责最终决策通过技术设计确保AI决策的可追溯性设立专门审计团队对AI系统的偏见和歧视等问题进行检查创建和维护模型清单并对公平性的关键绩效指标进行记录目前未采用相关措施AI助推中国内地和香港金融服务业焕新升级

360%

20%

40%

60%

80%4.在核心业务中，负责任AI通过“嵌入流程的控制机制”来保障。但这些控制措施集中于输入与输出环节，导致AI模型的内部风险缺乏实时监控。调研反馈显示：负责任AI的实践操作已被嵌入现有风控与合规工作流程，各机构在业务输入端（合规审查）和输出端（人工签核、法律审批）设置“防护保障机制”方面游刃有余。但对模型运行中可能出现的动态风险，诸如概念漂移、反馈循环、生成式幻觉等，各机构缺乏有效的自动化工具进行监测（仅35%的受访者提及设置了“自动终止开关”机制）。因此，风险可能在流程“合规”的表象下累积起来。例如，在投资工作流中，主要控制措施为“嵌入交易前合规审查机制”（58%）与“指令发出前须经人工审批”（80%）。图表7-4：如果在上述任一阶段使用AI，机构设有什么样的防护保障机制？指令发出前须经人工审批在AI工作流程中嵌入交易前合规审查机制对模型和信号进行独立的定期复核和验证突破设定阈值即触发自动终止开关或回滚纠正在投资决策中限制生成式输出结果的使用（如仅列出概要信息，

不给出直接交易信号）无防护保障机制不清楚80%58%37%35%28%1%0%AI助推中国内地和香港金融服务业焕新升级

370%

20%

40%

60%

80%100%64%60%48%39%11%0%由企业风控/合规部门实